论文部分内容阅读
当前,随着人们生活节奏的加快和工作压力的增加,心脏系统疾病发病率持续上升,且患者年轻化趋势越来越明显,它已经成为人类生命健康的主要威胁。医院现有的软硬件资源很难在短期内有所改善,满足不断增加的心脏系统疾病患者诊治需求,因此如何高效地利用医疗资源,积极防治心血管疾病成为了亟待解决的问题。远程监护和心电自动分析技术可以在一定程度上解决这一问题,是目前医疗信息化研究的热门领域,但是随着投入使用的心电监控传感器数量的增大,产生了大量的心电信号数据,如何有效地收集、存储和管理这些数据,自动分析和发掘它们的潜在价值是该领域面临的新机遇和新挑战。本文针对远程监护和大量心电数据自动分析的需求,设计以数据传输、数据存储管理和心电信号自动分析三部分为核心的云计算平台远程监护系统。该系统具有能够根据患者病况及网络环境自适应传输心电数据的自适应性实时心电数据传输协议(Adaptive Real-time ECG data Transfer Protocol,ARETP),协议位于应用层,适用于 3G、WiFi、蓝牙和有线Internet网络环境,在传感器、移动设备、数据处理平台和PC客户端之间高效的利用网络带宽传输数据,能够有效地降低传感器和移动设备的功耗,提高系统数据传输实时性;为应对多传感器长时间监控产生大量数据的问题,本课题采用了 HDFS(Hadoop Distributed File System)和 HBase(Hadoop Database)构建弹性的数据存储管理方案,并设计接入控制机制和开放式API,便于数据的接入使用和扩充;在心电信号自动分析方面,本课题针对移动设备和数据分析平台不同的特性采用了不同的算法,在移动设备端采用改进的Pan-Tompkins算法,而在分析平台引入基于R-NN时序信号搜索的心电自动分析算法,采用Mapreduce编程实现该算法,同时为了弥补Hadoop实时性不足的缺陷,系统在边缘服务器上实现基于CUDA的心电信号搜索匹配算法,以此达到系统对心脏系统疾病自动完成初步诊断目的,为心电远程监控和自动分析提供一个易于扩展和改进的实验平台。为了测试系统的性能,本文从稳定性、准确性、实时性和可扩展性进行性能评估测试。实验结果表明本文设计的远程监护系统在一定程度上满足多用户、多传感器、大量数据集和实时心电信号自动分析的需求,具有较大的科研和实用推广价值。